pandas.Categorical#

класс pandas.Категориальный(values, categories=None, ordered=None, dtype=None, fastpath=, copy=True)[источник]#

Представляет категориальную переменную в классическом стиле R / S-plus.

Категориальные данные может принимать только ограниченное и обычно фиксированное количество возможных значений (категории). В отличие от статистических категориальных переменных, Категориальный может иметь порядок, но числовые операции (сложения, деления, …) невозможны.

Все значения Категориальный находятся либо в категории или np.nan. Присвоение значений вне категории вызовет ValueErrorПорядок определяется порядком категории, не лексический порядок значений.

Параметры:

valuesподобный списку: Значения категориальной переменной. Если заданы категории, значения не в категориях будут заменены на NaN.
категорииИндексоподобный (уникальный), опционально: Уникальные категории для этой категориальной переменной. Если не указаны, категории предполагаются уникальными значениями values (отсортировано, если возможно, в противном случае в порядке их появления).
orderedbool, по умолчанию False: Будет ли эта категориальная переменная рассматриваться как упорядоченная категориальная. Если True, результирующая категориальная переменная будет упорядоченной. Упорядоченная категориальная переменная при сортировке учитывает порядок своих категории атрибут (который, в свою очередь, является категории аргумент, если предоставлен).
dtypeCategoricalDtype: Экземпляр CategoricalDtype для использования с этой категорией.

Атрибуты

`categories`	Категории этой категориальной переменной.
`codes`	Коды категорий этого категориального индекса.
`ordered`	Имеют ли категории упорядоченное отношение.
`dtype`	The `CategoricalDtype` для этого экземпляра.

Методы

`from_codes`(codes[, categories, ordered, ...])	Создать категориальный тип из кодов и категорий или dtype.
`__array__`([dtype, copy])	Интерфейс массива numpy.

Вызывает:

ValueError: Если категории не проходят проверку.
TypeError: Если явный ordered=True задан, но нет категории и values не подлежат сортировке.

Смотрите также

CategoricalDtype: Тип для категориальных данных.
CategoricalIndex: Индекс с базовым Categorical.

Примечания

См. руководство пользователя подробнее.

Примеры

>>> pd.Categorical([1, 2, 3, 1, 2, 3])
[1, 2, 3, 1, 2, 3]
Categories (3, int64): [1, 2, 3]

>>> pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'])
['a', 'b', 'c', 'a', 'b', 'c']
Categories (3, object): ['a', 'b', 'c']

Пропущенные значения не включаются как категория.

>>> c = pd.Categorical([1, 2, 3, 1, 2, 3, np.nan])
>>> c
[1, 2, 3, 1, 2, 3, NaN]
Categories (3, int64): [1, 2, 3]

Однако их наличие указывается в коды атрибут по коду -1.

>>> c.codes
array([ 0,  1,  2,  0,  1,  2, -1], dtype=int8)

Упорядоченный Категориальные данные может быть отсортирован в соответствии с пользовательским порядком категорий и может иметь минимальное и максимальное значение.

>>> c = pd.Categorical(['a', 'b', 'c', 'a', 'b', 'c'], ordered=True,
...                    categories=['c', 'b', 'a'])
>>> c
['a', 'b', 'c', 'a', 'b', 'c']
Categories (3, object): ['c' < 'b' < 'a']
>>> c.min()
'c'